Masam var x:
website
0 http://www.google.com/
1 http://www.yahoo.com
2 None
Python Yok'u pandalar NaN ile değiştirmek istiyorum. Denedim:
x.replace(to_replace=None, value=np.nan)
Ama bende:
TypeError: 'regex' must be a string or a compiled regular expression or a list or dict of strings or regular expressions, you passed a 'bool'
Nasıl devam etmeliyim?
Yanıtlar:
Dizeyi değil Python nesnesini DataFrame.fillnaveya Series.fillnayerine geçecek olanı kullanabilirsiniz .None'None'
import pandas as pd
import numpy as np
Dataframe için:
df = df.fillna(value=np.nan)
Sütun veya seri için:
df.mycol.fillna(value=np.nan, inplace=True)
None. Max'in cevabı işe yarıyor.
df['website'].replace(pd.np.nan, 0, inplace=True). Ayrıca Pandaların dahili referansına dayanarak Numpy'nin dahil edilmesini gerektirmez.
pd.np.nanşimdi verir FutureWarning: The pandas.np module is deprecated and will be removed from pandas in a future version. Import numpy directly instead.
İşte başka bir seçenek:
df.replace(to_replace=[None], value=np.nan, inplace=True)
Aşağıdaki satır Noneşununla değiştirilir NaN:
df['column'].replace('None', np.nan, inplace=True)
np.nan, float64pandas'ın objectbir nan sütunu için varsayılan dtype'nin aksine , bir float dtype (örneğin:) içeren kullanır .
Df.replace ([Yok], np.nan, inplace = True) kullanırsanız, bu, eksik verilere sahip tüm datetime nesnelerini nesne dtype olarak değiştirdi. Bu nedenle, verilerinizin boyutuna bağlı olarak vergilendirilebilecek olan tarih saatine geri döndürmediğiniz sürece, artık sorgularınız bozulmuş olabilir.
Bu yöntemi kullanmak istiyorsanız, önce df'nizdeki nesne dtype alanlarını tanımlayabilir ve ardından Hiçbiri'ni değiştirebilirsiniz:
obj_columns = list(df.select_dtypes(include=['object']).columns.values)
df[obj_columns] = df[obj_columns].replace([None], np.nan)
DataFrame['Col_name'].replace("None", np.nan, inplace=True)
df['column'].replace(nan, "", inplace=True)Hiçbirinin boş dize olmasını istediğinizi söyleyebilirsiniz.